Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Integration von Amazon Redshift ML mit Amazon Bedrock

In diesem Abschnitt wird beschrieben, wie Sie die Amazon Redshift ML-Integration mit Amazon Bedrock verwenden. Mit dieser Funktion können Sie ein Amazon Bedrock-Modell mithilfe von SQL aufrufen und Ihre Daten aus einem Amazon Redshift Redshift-Data Warehouse verwenden, um generative KI-Anwendungen wie Textgenerierung, Stimmungsanalyse oder Übersetzung zu erstellen.

Erstellen oder Aktualisieren einer IAM-Rolle für die Amazon Redshift ML-Integration mit Amazon Bedrock

In diesem Abschnitt wird gezeigt, wie Sie eine IAM-Rolle zur Verwendung mit der Amazon Redshift ML-Integration mit Amazon Bedrock erstellen.

Fügen Sie der IAM-Rolle, die Sie mit der Amazon Redshift ML-Integration mit Amazon Bedrock verwenden, die folgende Richtlinie hinzu:

Damit Amazon Redshift eine Rolle für die Interaktion mit anderen Diensten übernehmen kann, fügen Sie der IAM-Rolle die folgende Vertrauensrichtlinie hinzu:

{
   "Version": "2012-10-17",
   "Statement": [
      {
         "Effect": "Allow",
         "Principal": {
            "Service": [
               "redshift.amazonaws.com"
            ]
         },
         "Action": "sts:AssumeRole"
      }
   ]
}

Wenn sich der Cluster oder Namespace in einer VPC befindet, folgen Sie den Anweisungen unter. Einrichtung für die Amazon-Redshift-ML-Administration in Cluster aufteilen und konfigurieren

Wenn Sie eine restriktivere Richtlinie benötigen, können Sie eine erstellen, die nur die auf den folgenden Seiten angegebenen Amazon Bedrock-Berechtigungen umfasst:

Informationen zum Erstellen einer IAM-Rolle finden Sie unter IAM-Rollenerstellung im AWS Identity and Access Management Benutzerhandbuch.

Erstellen eines externen Modells für die Amazon Redshift ML-Integration mit Amazon Bedrock

In diesem Abschnitt wird gezeigt, wie Sie ein externes Modell erstellen, das als Schnittstelle für Amazon Bedrock in Ihrem Amazon Redshift Data Warehouse verwendet werden kann.

Um ein Amazon Bedrock-Modell von Amazon Redshift aus aufzurufen, müssen Sie zuerst den Befehl ausführen. CREATE EXTERNAL MODEL Dieser Befehl erstellt ein externes Modellobjekt in der Datenbank und eine zugehörige Benutzerfunktion, die Sie verwenden, um Textinhalte mit Amazon Bedrock zu generieren.

Das folgende Codebeispiel zeigt einen grundlegenden CREATE EXTERNAL MODEL Befehl:

CREATE EXTERNAL MODEL llm_claude
FUNCTION llm_claude_func
IAM_ROLE '<IAM role arn>'
MODEL_TYPE BEDROCK
SETTINGS (
   MODEL_ID 'anthropic.claude-v2:1',
   PROMPT 'Summarize the following text:');

Der CREATE EXTERNAL MODEL Befehl verfügt über eine einheitliche und konsistente Schnittstelle zu Amazon Bedrock für alle Foundation-Modelle (FM), die Nachrichten unterstützen. Dies ist die Standardoption, wenn Sie den CREATE EXTERNAL MODEL Befehl verwenden oder wenn der gewünschte Anforderungstyp explizit angegeben wirdUNIFIED. Weitere Informationen finden Sie in der Converse API-Dokumentation in der Amazon Bedrock API-Dokumentation.

Wenn ein FM keine Nachrichten unterstützt, müssen Sie die request_type Einstellung auf setzen. RAW Wenn Sie request_type auf einstellenRAW, müssen Sie die an Amazon Bedrock gesendete Anfrage erstellen, wenn Sie die Inferenzfunktion auf der Grundlage des ausgewählten FM verwenden.

Der PROMPT Parameter für den CREATE EXTERNAL MODEL Befehl ist eine statische Eingabeaufforderung. Wenn Sie eine dynamische Eingabeaufforderung für Ihre Anwendung benötigen, müssen Sie diese angeben, wenn Sie die Inferenzfunktion verwenden. Weitere Einzelheiten finden Sie im Promptes Engineering für die Integration von Amazon Redshift ML mit Amazon Bedrock Folgenden.

Weitere Informationen zur CREATE EXTERNAL MODEL Anweisung und ihren Parametern und Einstellungen finden Sie unterEXTERNES MODELL ERSTELLEN.

Verwendung eines externen Modells für die Amazon Redshift ML-Integration mit Amazon Bedrock

In diesem Abschnitt wird gezeigt, wie Sie ein externes Modell aufrufen, um als Antwort auf bereitgestellte Eingabeaufforderungen Text zu generieren. Verwenden Sie die Inferenzfunktion, mit der Sie ein externes Modell erstellen, um ein externes Modell aufzurufen. CREATE EXTERNAL MODEL

Inferenz mit Modellen vom Typ Anfrage UNIFIED

Die Inferenzfunktion für Modelle mit dem Anforderungstyp UNIFIED hat die folgenden drei Parameter, die der Reihe nach an die Funktion übergeben werden:

Das folgende Codebeispiel zeigt, wie eine UNIFIED Typinferenzfunktion verwendet wird:

SELECT llm_claude_func(input_text, object('temperature', 0.7, 'maxtokens', 500))
   FROM some_data;

Inferenz mit Modellen vom Typ RAW Anfrage

Die Inferenzfunktion für Modelle mit Anforderungstyp RAW hat nur einen Parameter vom Datentyp. SUPER Die Syntax dieses Parameters hängt vom verwendeten Amazon Bedrock-Modell ab.

Das folgende Codebeispiel zeigt, wie eine RAW Typinferenzfunktion verwendet wird:

SELECT llm_titan_func(
    object(
        "inputText", "Summarize the following text: " | input_text,
        "textGenerationConfig", object("temperature", 0.5, "maxTokenCount", 500)
    )
)
FROM some_data;

Inferenzfunktionen sind reine Leader-Funktionen

Inferenzfunktionen für Amazon Bedrock-Modelle können als reine Leader-Knotenfunktionen ausgeführt werden, wenn die Abfrage, die sie verwendet, keine Tabellen referenziert. Dies kann hilfreich sein, wenn Sie einem LLM schnell eine Frage stellen möchten.

Das folgende Codebeispiel zeigt, wie eine Inferenzfunktion verwendet wird, die nur für Führungskräfte bestimmt ist:

SELECT general_titan_llm_func('Summarize the benefits of LLM on data analytics in 100 words');

Hinweise zur Verwendung der Inferenzfunktion

Beachten Sie Folgendes, wenn Sie Inferenzfunktionen mit der Amazon Redshift ML-Integration mit Amazon Bedrock verwenden:

Promptes Engineering für die Integration von Amazon Redshift ML mit Amazon Bedrock

In diesem Abschnitt wird gezeigt, wie statische Eingabeaufforderungen mit einem externen Modell verwendet werden.

Um statische Präfix- und Suffix-Eingabeaufforderungen für Ihr externes Modell zu verwenden, geben Sie sie mit den SUFFIX Parametern PROMPT und der Anweisung an. CREATE EXTERNAL MODEL Diese Eingabeaufforderungen werden jeder Abfrage hinzugefügt, die das externe Modell verwendet.

Das folgende Beispiel zeigt, wie Präfix- und Suffix-Eingabeaufforderungen zu einem externen Modell hinzugefügt werden:

CREATE EXTERNAL MODEL llm_claude
FUNCTION llm_claude_func
IAM_ROLE '<IAM role arn>'
MODEL_TYPE BEDROCK
SETTINGS (
   MODEL_ID 'anthropic.claude-v2:1',
   PROMPT 'Summarize the following text:',
   SUFFIX 'Respond in an analytic tone');

Um dynamische Eingabeaufforderungen zu verwenden, können Sie sie bei der Verwendung der Inferenzfunktion angeben, indem Sie sie in der Funktionseingabe verketten. Das folgende Beispiel zeigt, wie dynamische Eingabeaufforderungen mit einer Inferenzfunktion verwendet werden:

SELECT llm_claude_func('Summarize the following review:' | input_text | 'The review should have formal tone.')
FROM some_data